Effects of Distinct Force Magnitude of Spinal Manipulative Therapy on Blood Biomarkers of Inflammation: A Proof of Principle Study in Healthy Young Adults
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this preliminary study was to determine the influence of thoracic spinal manipulation therapy (SMT) of different force magnitudes on blood biomarkers of inflammation in healthy adults. METHODS: Nineteen healthy young adults (10 female, age: 25.6 ± 1.2 years) were randomized into the following 3 groups: (1) control (preload only), (2) single thoracic SMT with a total peak force of 400N, and (3) single thoracic SMT with a total peak force of 800N. SMT was performed by an experienced chiropractor, and a force-plate embedded treatment table (Force Sensing Table Technology) was used to determine the SMT force magnitudes applied. Blood samples were collected at pre intervention (baseline), immediately post intervention, and 20 minutes post intervention. A laboratory panel of 14 different inflammatory biomarkers (pro, anti, dual role, chemokine, and growth factor) was assessed by multiplex array. Change scores from baseline of each biomarker was used for statistical analysis. Two-way repeated-measures analysis of variance was used to investigate the interaction and main effects of intervention and time on cytokines, followed by Tukey's multiple comparison test (P ≤ .05). RESULTS: A between-group (800N vs 400N) difference was observed on interferon-gamma, interleukin (IL)-5, and IL-6, while a within-group difference (800N: immediately vs 20 minutes post-intervention) was observed on IL-6 only. CONCLUSION: In this study, we measured short-term changes in plasma cytokines in healthy young adults and found that select plasma pro-inflammatory and dual-role cytokines were elevated by higher compared to lower SMT force. Our findings aid to advance our understanding of the potential relationship between SMT force magnitude and blood cytokines and provide a healthy baseline group with which to compare similar studies in clinical populations in the future.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».